Der Weg der KI führt über neue Prozessoren

Neuromorphe Hardware

von - 14.01.2020
Inferencing im Edge- und IoT-Segment - ist der Spielplatz vieler Start-ups. Zwei Beispiele: Esperanto Technologies aus Barcelona etwa hat den leistungsfähigen KI-Chip ET-Maxion und den kleineren, energiesparsamen ET-Minion entwickelt. Das französische GreenWaves Technologies will IoT-Prozessoren schaffen, die mit Batterien auskommen, also keine eigene Stromzuführung benötigen. Daneben mischen auch hier die Großen mit. Die Google Edge TPU etwa ist kleiner als eine 1-Cent-Münze und kann in Edge-Szenarien eingesetzt werden. Der kleine Ableger der größeren Cloud-Variante beschleunigt als Edge-TPU das Inferencing, also das Anwenden der Modelle. Intels Movidius Myriad 2 Visual Processing Unit (VPU) ist ebenfalls optimiert für Devices mit geringer elektrischer Leistung wie Kameras oder Drohnen und übernimmt das Inferencing im Deep Learning Network.
Mit am interessantesten in der Gartner-Klassifikation sind im Segment rechts unten die neuromorphen Prozessoren. Diese Chips wenden sich komplett von der klassischen CPU-Architektur ab: Wie im menschlichen Gehirn Neuronen über Synapsen verknüpft sind, werden bei ihnen viele gleiche Einheiten miteinander verbunden, die kollektiv zusammenarbeiten. „Neuromorphe Hardware bezeichnet Computer oder Komponenten, die aus hochgradig vernetzten parallelen synthetischen Neuronen und Synapsen dem Gehirn nachempfundene neurologische oder künstliche neuronale Netze nachbilden“, heißt es bei Fraunhofer. Im True North von IBM und im Loihi von Intel ist dieser neuromorphe Ansatz realisiert. Diese Chips verfügen über ein eigenes Netz aus künstlichen Neuronen und Synapsen. Sie sind selbstlernend, ohne extra trainiert werden zu müssen. Gartner-Analyst Alan Priestley sieht in den Neuromorphic-Prozessoren die Zukunft des KI-Processings. Allerdings stehe es in den Sternen, ob dieses neue Computing-Paradigma überhaupt imstande sei, dem maschinellen Lernen durchgreifend voranzuhelfen. „Die Erwartungen an die Technologie können sich durchaus als zu hoch erweisen“, warnt Priestley.

Start-up

Gegründet

Sitz

Strategische Investoren

Technologie

Cambricon Technologies

2016

Peking (China)

SDIC

Deep-learning processor

Cerebras

2016

Los Altos (USA)

Deep-learning processor

CyberSwarm

2017

San Mateo (USA)

AI-assisted cybersecurity CPU

Graphcore

2016

Bristol (UK)

Microsoft, BMW

Deep-Learning processor

Horizon Robotics

2015

Peking (China)

SK Hynix, SK China

Vision DSP

KnuEdge

2005

San Diego (USA)

Neuromorphic processor

LighOn

2016

Paris (Frankreich)

Optical/quantum AI computing

Movidius

2006

San Mateo (USA)

Intel (Acquired)

Vision DSP

Mythic

2012

Redwood, Austin (USA)

Neuromorphic processor

Nervana

2014

San Diego (USA)

Intel (Acquired)

Deep-learning processor

Reduced Energy Microsystems

2014

San Francisco (USA)

Deep-learning processor

Rigetti Computing

2013

Berkeley (USA)

Optical/quantum AI computing

Tenstorrent

2016

Toronto (Kanada)

Deep-learning processor

ThinkForce

2017

Shanghai (China)

AI acceleration engine

Vathys

2015

Portland (USA)

Deep-learning processor

Vayyar

2011

Yehud (Israel)

Vision DSP

Vicarios

2010

San Francisco (USA)

Samsung

Neuromorphic processor

Wave Computing

2010

Campbell (USA)

Samsung

Deep-learning processor

Xanadu

2016

Toronto (Kanada)

Optical/quantum AI computing

Verwandte Themen